| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 图像分割研究现状 | 第9-11页 |
| 1.2.1 图像分割的定义 | 第9页 |
| 1.2.2 现有的图像分割方法 | 第9-11页 |
| 1.3 FCM算法研究现状 | 第11-12页 |
| 1.4 本文的主要工作 | 第12-15页 |
| 1.4.1 模糊聚类算法存在的问题 | 第12-13页 |
| 1.4.2 研究内容 | 第13页 |
| 1.4.3 本文结构 | 第13-15页 |
| 第二章 模糊C均值聚类算法 | 第15-26页 |
| 2.1 图像的模糊性分析 | 第15页 |
| 2.2 模糊理论基础 | 第15-17页 |
| 2.2.1 模糊理论简介 | 第15-16页 |
| 2.2.2 模糊集合理论 | 第16-17页 |
| 2.3 模糊聚类基础 | 第17-21页 |
| 2.3.1 聚类分析 | 第17-19页 |
| 2.3.2 模糊聚类中的相似性度量函数 | 第19-20页 |
| 2.3.3 模糊聚类中的去模糊化方法 | 第20-21页 |
| 2.4 K均值聚类算法(HCM) | 第21-22页 |
| 2.4.1 HCM算法原理 | 第21页 |
| 2.4.2 HCM算法的优缺点 | 第21-22页 |
| 2.4.3 HCM算法实现 | 第22页 |
| 2.5 模糊C均值聚类算法(FCM) | 第22-25页 |
| 2.5.1 FCM算法的原理 | 第22-23页 |
| 2.5.2 FCM算法的优缺点 | 第23-24页 |
| 2.5.3 FCM算法的实现 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 已有的FCM改进算法 | 第26-40页 |
| 3.1 已有的基于邻域像素的FCM改进算法 | 第26-34页 |
| 3.1.1 FCM_S算法 | 第26-27页 |
| 3.1.2 FCMS1 FCMS2算法 | 第27-28页 |
| 3.1.3 EnFCM算法 | 第28-30页 |
| 3.1.4 FLICM算法 | 第30-31页 |
| 3.1.5 KFCM算法 | 第31-32页 |
| 3.1.6 KWFLICM算法 | 第32-34页 |
| 3.2 粒子群FCM算法 | 第34-37页 |
| 3.2.1 基本粒子群优化算法 | 第34-36页 |
| 3.2.2 基于粒子群的FCM算法(PSO-FCM) | 第36-37页 |
| 3.3 评价准则 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于模拟退火和粒子群改进的图像分割FCM方法 | 第40-55页 |
| 4.1 模拟退火算法 | 第40页 |
| 4.2 有效性准则 | 第40-41页 |
| 4.3 基于模拟退火粒子群的自适应FCM算法 | 第41-50页 |
| 4.3.1 算法实现原理 | 第41-43页 |
| 4.3.2 实验结果 | 第43-50页 |
| 4.4 引入空间信息的ISAPSOFCM方法 | 第50-54页 |
| 4.4.1 算法实现原理 | 第50-51页 |
| 4.4.2 实验结果 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 引入噪声距离的核空间中智模糊局部信息聚类算法 | 第55-66页 |
| 5.1 噪声聚类 | 第55-57页 |
| 5.2 中智模糊聚类 | 第57-61页 |
| 5.2.1 中智理论简介 | 第57页 |
| 5.2.2 中智模糊聚类算法(NCM) | 第57-61页 |
| 5.3 基于噪声距离的核空间中智模糊局部信息C均值聚类算法 | 第61-64页 |
| 5.4 实验结果 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 本文总结 | 第66页 |
| 6.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |
